La fusion de classifieurs est une solution efficace et séduisante permettant de générer une décision optimale à partir de plusieurs classifieurs et de surmonter les limitations des systèmes mono-classifieur. Une telle stratégie est souvent adoptée dans des problèmes de reconnaissance variés comme par exemple la biométrie. Toutefois, la recherche d’un schéma de fusion optimale n’est pas une tâche triviale. Ceci est principalement dû à la cardinalité de l’espace de recherche des stratégies de fusion qui croit de manière exponentielle avec le nombre de classifieurs. Dans cet article, nous proposons une méthode de fusion combinant 24 classifieurs différents et utilisée pour la vérification de visages en 3D. L’optimisation de la fusion est basée sur l’algorithme de recuit simulé. Notre approche permet de sélectionner et de fusionner automatiquement les meilleurs scores de similarité générés par ces différents classifieurs. Les résultats des expérimentations menées sur la base FRGC2.0 montrent la performance et la stabilité de notre solution.